에이전트 하네스(agent harness) 또는 에이전트 스캐폴딩(agent scaffolding)이라고도 불리는 것은, 대규모 언어 모델(LLM)을 둘러싸고 이를 AI 에이전트로 작동하게 하는 소프트웨어 인프라이다. 이는 모델의 내부 추론과 달리 도구 사용, 메모리, 상태 유지, 실행 환경, 피드백 루프를 관리한다. 영국 AI 안전 연구소(UK's AI Security Institute)는 2023년에 AI 에이전트가 모델과 스캐폴딩의 결합으로 형성된다고 설명했으며, 이러한 관계는 종종 에이전트 = 모델 + 하네스로 표현된다.
"기본 모델" LLM은 입력 토큰 시퀀스를 출력 토큰 시퀀스로 매핑하는 상태 비저장 확률 함수이기 때문에, 하네스는 모델을 에이전트로 만드는 요소이다. 즉, 외부 도구와 인터페이스하고, 토큰이 아닌 데이터(예: 이미지)를 입력 및 출력하며, 여러 라운드에 걸쳐 작업 환경과 일관되게 상호작용하는 것이다. 하네스는 컨텍스트 창 내에서 계속 늘어나는 대화 기록을 반복적으로 다시 읽는 대신, 에이전트의 상태를 관리하는 구조화된 소프트웨어 환경으로 기록 유지 작업을 오프로드할 수 있다. 단일 프롬프트-응답 교환에는 최소한의 하네스가 필요하지 않지만, 작업이 다단계, 도구 중심 또는 장기 실행으로 커짐에 따라 중요해진다.
널리 사용되는 에이전트 하네스는 AI 지원 소프트웨어 개발에 초점을 맞추고 있으며, 여기에는 Anthropic의 Claude Code, OpenAI의 Codex, Google DeepMind의 Antigravity, SpaceXAI의 Cursor, Qwen, DeepSeek, Kimi, GLM이 포함된다.
아키텍처
하네스가 조정하는 메커니즘은 이 용어보다 먼저 존재했다. 모델이 추론과 행동을 루프에서 번갈아 수행하는 패턴은 동료 검토를 거친 ReAct 프레임워크에서 도입되었으며, 모델이 외부 도구를 호출하는 능력은 Toolformer에서 입증되었다.
하네스에 일반적으로 포함되는 구성 요소로는 도구 디스패치, 메모리 및 상태 유지, 격리된 샌드박스 또는 작업 공간, 컨텍스트 관리, 그리고 범위 권한, 승인 계층, 모니터링과 같은 가드레일이 있다. 2026년 엔지니어링 문서에서 Anthropic은 환경을 준비하는 초기화 에이전트와 다음 미완료 작업을 반복적으로 선택하고, 커밋하고, 진행 기록을 업데이트한 후 중지하는 코딩 에이전트로 구축된 작업 예제를 설명했다.
Thoughtworks의 Birgitta Böckeler는 모델 제작자가 제공하는 내부 하네스(예: 에이전트 SDK 또는 Cursor나 Codex와 같은 코딩 도구)와 사용자가 그 위에 조립하는 외부 하네스(예: 지시 파일, Model Context Protocol 서버, 사용자 지정 스킬)를 구분한다. 그녀는 또한 에이전트가 행동하기 전에 안내하는 가이드와 결과를 관찰하고 에이전트가 스스로 수정하도록 하는 센서를 구분한다. 각각은 계산적(린터나 테스트와 같은 결정적 검사)이거나 추론적("LLM as judge"와 같은 의미론적 검사)일 수 있다.
역사 및 용어
모델 주변의 스캐폴딩과 관련된 개념은 소프트웨어 테스트(테스트 하네스), LLM 벤치마킹(평가 하네스), 그리고 강화 학습에서 학습 에이전트를 둘러싼 환경 및 래퍼에 존재한다. 에이전트 하네스와 LLM 하네스라는 명사는 관련 학문 분야가 명명되기 전에 실무자들 사이에서 유통되었다.
"하네스 엔지니어링"이라는 용어는 2026년 초에 등장했으며, 특정 문구의 출처에 대해서는 논쟁이 있다. 여러 설명은 HashiCorp 공동 창립자인 Mitchell Hashimoto가 2026년 2월 블로그 게시물에서 에이전트가 실수할 때마다 환경에 영구적인 수정을 엔지니어링하는 관행을 설명한 것에서 유래했다고 본다. 다른 설명은 LangChain의 Vivek Trivedy를 지목하는데, 그의 "Anatomy of an Agent Harness" 게시물은 에이전트 = 모델 + 하네스 공식에서 하네스 구성 요소를 도출했다. 코딩 에이전트가 주로 구축한 대규모 코드베이스를 설명하는 널리 인용된 OpenAI 엔지니어링 보고서와 Thoughtworks, LangChain, Anthropic의 후속 글은 이 용어의 확산에 기여했다.
2026년 중반까지 하네스는 학문적 연구 대상이 되었다. 독립적인 보도에 따르면, 에이전트가 자신의 실패를 반복적으로 분석하여 하네스 변경을 제안하고 검증하는 Self-Harness, 그리고 모델을 확대하기보다 모델 주변의 소프트웨어 환경을 재설계하여 검색 정확도를 주로 개선한 오픈소스 검색 에이전트 Harness-1과 같은 연구가 있었다.
프롬프트 및 컨텍스트 엔지니어링과의 관계
하네스 엔지니어링은 종종 단일 상호작용을 최적화하는 프롬프트 엔지니어링이나 특정 순간에 모델이 보는 정보를 제어하는 컨텍스트 엔지니어링보다 더 넓은 계층으로 간주된다. 이러한 관점에서 하네스는 전체 운영 환경을 설계하고 다른 두 가지를 부분으로 포함한다. 구별되는 특징은 래핑되는 구성 요소가 비결정적이므로, 하네스는 모델이 작업을 조작하거나 완료되지 않은 작업을 완료로 보고할 때 우아하게 복구하도록 설계된다는 점이다.
같이 보기
- AI 에이전트
- 대규모 언어 모델 목록
- Model Context Protocol
- 프롬프트 엔지니어링
- 소프트웨어 에이전트
- 테스트 하네스